陈皓 ( @左耳朵耗子) 在酷壳分享了一篇有关性能调优的博文，系统性分析了有关系统性能条件、性能瓶颈问题定义与定位，以及性能调优方法经验。此前作者也曾分享过关于性能优化话题的两篇博文：
最近的这篇有关性能调优的博文中，作者首先提出“要进行优化，先得找到性能瓶颈！”。为了对于性能瓶颈有一致的认识，作者对系统性能的条件做了简单描述：
- Throughput ，吞吐量。也就是每秒钟可以处理的请求数，任务数。
- Latency， 系统延迟。也就是系统在处理一个请求或一个任务时的延迟。
这两个条件相互约束，他们的关系如陈皓所分享的：
- Throughput 越大，Latency 会越差。因为请求量过大，系统太繁忙，所以响应速度自然会低。
- Latency 越好，能支持的 Throughput 就会越高。因为 Latency 短说明处理速度快，于是就可以处理更多的请求。
陈皓对系统性能问题进行系统性介绍，分析了性能瓶颈的定义与定位，并分享了他的一些调优经验，文章主要从以下几个方面展开：
- 系统性能测试的过程；
- 定位系统性能瓶颈的方法；
- 常见的系统性能调优的方法；
关于系统性能测试，作者提到首先要定义 Latency 的值，然后是开发测试工具，最后进入系统性能测试阶段。同时，作者也分享了一些性能测试的经验：要关注测试中 Latency 取值的分布情况、峰值极限、系统正常运行的负载极限。对于性能测试，作者总结”性能测试是一细活和累活”。
对于定位系统性能瓶颈，作者从两个方面进行介绍：
- 查看操作系统负载：看 CPU 使用量，看 IO 大小，看网络带宽使用情况；
- 利用性能测试工具 Profiler 测试，定位程序中的问题；
另外，作者提到：“对于性能测试，不同的 Throughput 会出现不同的测试结果，不同的测试数据也会有不同的测试结果。所以，用于性能测试的数据非常重要，性能测试中，我们需要观测试不同 Throughput 的结果。”
作者分享了自己的经验，首先介绍了性能调优的策略：
- 用空间换时间；
- 用时间换空间；
- 简化代码；
- 并行处理；
接着，作者系统总结分享了一些性能调优的方法，包括有：算法调优（过滤算法、哈希算法、分而治之和预处理）、代码调优（字符串操作、多线程调优、内存分配、异步操作、语言和代码库）、网络调优（TCP 调优、UDP 调优、网卡调优、其他网络性能）、系统性能（I/O 模型、多核 CPU 调优、文件系统调优）、数据库调优（数据库引擎调优、SQL 语句优化）。
陈皓在文章的最后提到撰文的初衷是由于 @淘宝褚霸强推的 highscalability.com 上的这篇文章： Big List Of 20 Common Bottlenecks ，大家也可以去了解一下。
给 InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ）或者腾讯微博（ @InfoQ ）关注我们，并与我们的编辑和其他读者朋友交流。
Java 避坑指南：Java 高手笔记代码篇
本迷你书包括 86 个业务开发中常见踩坑点。每一个知识点都相当的实用，是程序员业务开发中的必备避坑指南...
评论